分類:SEM結構方程模型與Amos

【張偉豪專欄】SEM中遠程中介如何用PRODCLIN2計算

在計算二因子因果模型的中介效應時,有一條需要計算的中介效應是由變量A到變量B再到變量C,如果是在這種情況下(涉及3個變量的中介路徑),應該如何用PRODCLIN2計算呢?

張偉豪老師回覆:
PRODCLIN2無法計算遠程中介的大小及顯著
如果要計算,請採用HAYES (2013)所提供的SPSS MACRO
安裝PROCESS,分析時請直接選擇MODEL 6進行分析即可

一哥​

補充說明:遠程中介的圖形

me01

 

最新課程請參考:PROCESS課程

【張偉豪專欄】AMOS遺漏值插補的時機

請問有關AMOS遺漏值插補的時機,是否是在問卷分析前先進行貝氏估計插補,還是在各構面下分別作插捕及模型修正?

張偉豪老師回覆:
一般來講,處理方式如下:
1.如果資料漏值不多,而樣本數較多,可以直接刪除有遺漏值的樣本即可
2.如果資料漏值不多,樣本數也不大,必須保留所有樣本,這時最簡單的方法是採用HOT DECK插補法,亦即找其它樣本填答的方式與有遺漏值樣本雷同的值直接代入。
3.如果遺漏值還真不少,這時就要看您的目的來決定要不要插補,如果您只是想將結果跑出來,並不需要完整沒有遺漏值的資料檔作後續分析,只要將View–>Analysis Properties –>Estimation–>Estimate Means and Intercepts打勾即可

amos-estimate means
如果要完整沒有遺漏值的資料檔作後續分析進行插補時,宜每個構面進行插補,除了可節省時間外,也可以了解插補後CFA分析的結果。

三星統計小提醒: 久久會遇到一次當機也會這樣,把軟體關掉重開就會正常了

最新課程請參考:結構方程模型課程

【張偉豪專欄】請問為何我在Amos分析時,無法在OUTPUT看到常態檢定的結果?

張偉豪老師回覆:

amos-analysis-properties

在Amos的OUTPUT無法看到常態檢定的結果大概有以下的原因:
1. 您沒有在View- >Analysis Properties->Output中的Test for Normality and Outlier選項打勾。

2.如果已經打勾了,仍是看不到,有可能您的輸入資料不是原始資料而是相關矩陣或共變異數矩陣。常態檢定的結果只有在資料為原始資料時才可以分析。

3. 如果您的資料是原始資料,但仍看不到常態檢定的結果,只剩一個原因,那就是原始資料中有遺漏值,而您將View-> Analysis Properties-> Estimation中的Estimate Means and Intercepts打勾。
註: SEM分析時是不允許資料中有遺漏值發生,除非將Estimate Means and Intercepts打勾。

4. 如果以上皆非,那就是農鬼七月,見鬼了ha, ha, ha…

最新課程請參考:結構方程模型課程

【張偉豪專欄】SEM結構方程模型的​​reciprocal effect能否用Amos跑?

張偉豪老師好:

最近讀了一篇期刊是跑,但是他是用MPLUS跑的,想請問張老師這能否使用AMOS跑呢?

 

張偉豪老師回覆:

AMOS當然可以執行reciprocal的模型
每一個SEM的軟體都可以執行
問題是能不能收斂
AMOS在非遞回路徑會估計穩定系數(stability Index)
如果在1以內(不知有沒有記錯,要再確認)表示模型會穩定
否則表示模型是發散的,不能用

一哥 20150513

最新課程請參考:結構方程模型課程

 

 

【張偉豪專欄】SEM模型配適度好,裡面的線性關係為什麼不一定好?

學員問題:

SEM(結構方程模型)模型中有6條待驗證的線
只有2條顯著,其餘皆不顯著
但看到配適度的結果,發現各項指標都是出人意料的好
若這反應模型很好,那該如何解釋參數估計不顯著的問題呢?

張偉豪老師回覆:

一般人以為配適度好是與顯著性高低成正比,這是不對的
配適度指的是模型共變異數矩陣與樣本共變異數矩陣差異的大小
差異愈小或兩者愈相似,配適度就愈好
有時候當構面或題目之間相關較低時,當然會得到不顯著的結果
因為SEM是依單一構面準則設定模型
每個題目只會與一個構面相關
所以交叉負荷量均是假設為0
所以題目相關愈低,交叉負荷量愈有可能接近0
因此,會導致不顯著但卻會有良好的配適度
所以,配適度良好,只代表您的模型與資料相似性高
並不保證模型一定是對的(要靠理論證明)
也不保證所有的估計值均是顯著的

2015/04/17

*******************************

教學課程請參考:結構方程模型教學課程

【張偉豪專欄】Bootstrap是有母數或無母數的方法?

三星統計 張偉豪老師回覆:

bootstrap是無母數的估計方法,主要是建立非對稱性的信賴區間,因為間接效果為直接效果的乘積,

必然不符合常態分配,因此無法採用一般常態分析的對稱區間.

可以參考 beyond baron & kenny 這篇文章:按此下載

********************

研究方法課程請參考:三星課程網

【張偉豪專欄】整體模型或是個別模型分開跑做CFA,哪種正確?

張偉豪老師回答:

構面本身單獨分析是為了求信度及收斂效度,與別的構面混在一起跑,loadings值會受到別的構面影響,而產生偏誤,因為SEM是full information的估計法,而且老外的文獻也建議要分開跑

當然要進行區別效度分析時,要所有構面合在一起,才能算出構面之間的相關,
再與收斂效度(ave)的根號值比較,

如這篇文章所寫的:Reporting practices…按此下載
在SPSS中,計算Cronbach alpha難道是合起算的嗎?它也是每個構面分開算啊!

*******************************************

教學課程請參考:結構方程模型教學課程

【張偉豪專欄】CMV共同方法變異的校正

老師您好,想請問一下,在Williams, Hartman, & Cavazotte, (2010)的CFA Marker Technique Approach中,Method-C vs. Method-U若是接受虛無假設的話,表示卡方值大的模型優於卡方值小的模型對嗎?若是這樣,Baseline vs. Method-U要接受虛無假設,Method-C vs. Method-U要拒絕虛無假設的情形我跑了好多次真的很少喔,絕大多數都是全部接受虛無假設,那就表示模型有CMV之疑慮了嗎?

張偉豪老師解答:

1. Method-C vs. Method-U只是在檢查CMV影響的形態是CONGENERIC或是NONCONGENERIC而已,大部份CMV的情形都是CONGENERIC居多 (亦即CMV對觀察變數的影響會因觀察變數的不同而有所不同)。

2. 至於Method-C (NONCONGENERIC) vs. Method-U (CONGENERIC)要拒絕虛無假設的情形應該很常見,這兩個模型應該都會有顯著差異,而且Method-U應該都會優於Method-C (Method-U 卡方值< Method-C卡方值)。

3. 接下來要檢查的是有CMV會造成偏誤嗎?再用Method-U和Method-R (在Method-U的情形下,設定Baseline所求得的值)去做比較,如有顯著差異,則表示CMV會造成影響,應進行校正。

4. 校正方法有二:一為偏相關法 (Partial correlation),另一個為控制變數法 (control variable)。

*******************************************

最新課程請參考:結構方程模型課程

【張偉豪專欄】SEM結構方程模型中,關於AVE, MSV, ASV 來判斷區別效度

張偉豪老師好:

我這兩天看到國外期刊上有人使用 AVE, MSV, ASV 來判斷區別效度,不知道這是怎麼算出來的?
我上網查了一下,的確有此方法,不過在下仍不太瞭解,可否請您指點?謝謝!
附上網址請您參考:http://statwiki.kolobkreations.com/wiki/Confirmatory_Factor_Analysis
還有影片教學網址:http://www.youtube.com/watch?v=yk6DVC7Wg7g

 

張偉豪老師解答:

Maximum Share Variance (MSV) and Average Share Variance (ASV)

這兩個名詞並不常在區別效度中出現
但其實我們在報告區別效度時,已經報告了,以下說明:

首先,Share Variance就是皮爾森相關的平方
所以,MSV為與該構面相關的其它構面相關的平方取最大值
ASV則為與該構面相關的其它構面相關的平方的平均值
所以MSV.>=ASV
而在區別效度分析中,Fornell and Larcker (1981)建議收斂效度(AVE)應該要大於構面之間的相關平方(Share Variance)

因此,下三角放的是構面相關的平方,而對角線放的是AVE
區別效度的證明則為,欄位或列位的最大值必須小於對應的AVE,這就是AVE>MSV ,所以AVE自然也會大於ASV
所以,如果報告AVE、ASV及MSV,那就不需要報告AVE及相關平方的表格了
不過MSV及ASV真的很少人用